Как вычислить кумулятивное нормальное распределение?

Question

Как вычислить кумулятивное нормальное распределение?

Просто избавься от псевдонима.

Псевдонимы заменяют только то, что они псевдонимы (сохраняя все остальные аргументы), тогда как функции будут использовать все аргументы, независимо от того, действительно ли вы что-то с ними делаете.

87

python statistics scipy numpy

задан martineau 13 October 2019 в 19:59

3 ответа

Другие вопросы по тегам:

python statistics scipy numpy

Похожие вопросы:

score 18 · Answer 1

Адаптировано отсюда http://mail.python.org/pipermail/python-list/2000-June/039873.html

from math import *
def erfcc(x):
    """Complementary error function."""
    z = abs(x)
    t = 1. / (1. + 0.5*z)
    r = t * exp(-z*z-1.26551223+t*(1.00002368+t*(.37409196+
        t*(.09678418+t*(-.18628806+t*(.27886807+
        t*(-1.13520398+t*(1.48851587+t*(-.82215223+
        t*.17087277)))))))))
    if (x >= 0.):
        return r
    else:
        return 2. - r

def ncdf(x):
    return 1. - 0.5*erfcc(x/(2**0.5))

score 115 · Answer 2

Вот пример:

>>> from scipy.stats import norm
>>> norm.cdf(1.96)
0.9750021048517795
>>> norm.cdf(-1.96)
0.024997895148220435

Другими словами, приблизительно 95% стандартного нормального интервала лежит в пределах двух стандартных отклонений, центрированных на стандартном среднем значении нуля.

Если вам нужен обратный CDF:

>>> norm.ppf(norm.cdf(1.96))
array(1.9599999999999991)

score 14 · Answer 3

Чтобы построить на примере Unknown, Python-эквивалент функции normdist (), реализованной во многих библиотеках, будет выглядеть так:

def normcdf(x, mu, sigma):
    t = x-mu;
    y = 0.5*erfcc(-t/(sigma*sqrt(2.0)));
    if y>1.0:
        y = 1.0;
    return y

def normpdf(x, mu, sigma):
    u = (x-mu)/abs(sigma)
    y = (1/(sqrt(2*pi)*abs(sigma)))*exp(-u*u/2)
    return y

def normdist(x, mu, sigma, f):
    if f:
        y = normcdf(x,mu,sigma)
    else:
        y = normpdf(x,mu,sigma)
    return y